沈丹萍

（苏州信息职业技术学院计算机科学与技术系 苏州 215200）

1 引言

当前，进化算法被大量应用在对各类复杂问题的优化分析，同时还可以使用多种群策略方法来实现子种群对解空间各区域实现进化的过程，也可以利用迁移等方式为不同子种群间构建信息传输通道，通常将这种算法称作多种群进化算法［1～7］。随着研究的不断深入，一些学者利用个体相似性、分布特征来完成进化，并选择聚类方法对种群与搜索空间实施分类。有学者在文献［8］中利用聚类算法对搜索区域实施分类获得不同等级，同时重点搜索高等级区域以实现缩小搜索空间的目的，由此显著提升收敛速率以及减小复杂度。还有学者［9］创建了一种高效的多种群遗传算法，通过新的相似性函数来判断二个点是否在相同集群内，由此实现把种群分成N个小集群的目标。文献［10］构建得到一种可以对多个子种群进行参数自适应差分处理的进化算法，并使子种群完成信息的循环共享，利用上级子种群最优个体为本种群进化提供引导作用。

文献［11］针对不同差分进化模型的具体特征来为子种群构建动态分配方法，由此实现不同策略的相互协同过程，之后对算法进行了测试发现利用该算法能够实现性能的明显优化。文献［12］通过以并行差分的进化策略对种群聚类进行优化，使子种群获得更强的通信迁移性能。文献［13］主要研究了不同策略在协同进化过程中存在的贡献度差异性，引入多种群协同的方式降低算法搜索范围，从而更快速计算出全局最优解。……